חזרה לפיד
articlesמקור: Snyk Blog23.3.2026

הכירו את Agent Security: הגנה על סוכני AI

אמ;לק

ככל שסוכני AI מקבלים יותר הרשאות לבצע פעולות, כך גדל הסיכון לשימוש לרעה. הפתרון החדש מציע גישה מאוחדת לשליטה על התנהגות הסוכנים מרמת הקוד ועד להרצה בפועל.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Introducing Agent Security

הכירו את Agent Security: הגנה על סוכני AI

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

אם מבקר יגיע מחר ויבקש מלאי מלא של כל מודל AI, סוכן וכלי בסביבה שלך, כמה זמן ייקח לך לייצר אותו? עבור רוב הארגונים, התשובה הכנה היא: הם לא יכולים, כי הדרך שבה AI נכנס לארגון השתנתה מהותית.

היום אנו מציגים את Agent Security, הגישה של Snyk לאבטחת מחזור החיים של סוכני AI מקוד ועד זמן ריצה. הבאת חזון זה לידי ביטוי מתאפשרת הודות לזמינות הכללית של Evo AI-SPM, מודול יסודי המעניק לך שליטה בסיכוני AI כיום ומרחיב את היכולות התפעוליות של ה-AI Security Fabric. Evo AI-SPM מקימה מערכת רישום סופית לסיכוני AI, ומעניקה לארגונים מקום אחד להבין, לנהל ולאכוף את השימוש ב-AI ברחבי העסק.

סוכנים אוטונומיים כותבים כעת תוכנה, קוראים ל-APIs, ניגשים למערכות פנימיות ופועלים בסביבות ייצור. מערכות אלו הופכות למוטמעות באופן שבו תוכנה מודרנית נבנית ומופעלת. אך בעוד היכולות של ה-AI הואצו, לארגונים רבים כיום אין דרך ברורה להבין מה הסוכנים שלהם עושים, למה יש להם גישה, או איך לאכוף התנהגות בטוחה. עבור מנהיגים רבים, בעיית ה-Shadow AI היא משבר נראות.

סיכוני AI מתחילים בפיתוח

מפתחים משלבים מודלים, מסגרות עבודה של סוכנים וכלים חיצוניים ישירות ביישומים, לעיתים קרובות ללא פיקוח מרכזי. רכיבים אלו משפיעים על אופן כתיבת התוכנה ומעצבים את התנהגותה, את המערכות אליהן היא מתחברת ואת הפעולות שהיא יכולה לבצע. רוב הארגונים עדיין מחפשים סיכוני AI במקום הלא נכון; הם מחפשים במערכות ענן ובסביבות זמן ריצה, לאחר שה-AI כבר נפרס.

במקביל, שרשרת אספקת התוכנה מתרחבת בדרכים שקשה לעקוב אחריהן. רכיבי AI מתווספים מהר יותר מכפי שניתן לתעד אותם, מה שיוצר נקודות עיוורות לאורך שלבי הפיתוח, הצינורות (pipelines) וזמני הריצה. האתגר הראשון הוא נראות. בלעדיה, ממשל ובקרה פשוט אינם קיימים.

שליטה היא הפער הבא, כאשר לרוב הארגונים אין דרך עקבית להגדיר או לאכוף התנהגות סוכן מקובלת. מצב זה מחמיר בגלל הזרקת פרומפטים (prompt injection), דליפת נתונים ופעולות סוכן לא בטוחות, הנובעות ממערכות המסתמכות על קלטים חיצוניים והנמקה רב-שלבית.

ללא בקרות ייעודיות, הסיכונים הללו יכולים להתפשט במהירות בין יישומים וזרימות עבודה. כדי לאבטח אותו, ארגונים צריכים לטפל בשניהם.

אבטחת פיתוח מבוסס סוכנים

כל צוות המשתמש בכלים כמו ⁦Claude Code⁩, ⁦Cursor⁩, או ⁦Devin⁩ מציג מערכות אוטונומיות ישירות לסביבת הפיתוח. למערכות אלו יש גישה לבסיסי קוד, ⁦APIs⁩ פנימיים ונתונים רגישים - והן מקבלות החלטות לגבי מה שנבנה ונשלח.

אבטח את שרשרת האספקה

סוכנים מסתמכים על מערכת אקולוגית המתרחבת במהירות של שרתי MCP, תוספים, כלים ושירותים חיצוניים, שרבים מהם אינם מפוקחים. Agent Scan (Open Preview) מגלה ומעריך את הכלים, שרתי ה-MCP והמיומנויות שהסוכנים מסתמכים עליהם לפני שהם משמשים את כלי הפיתוח של הסוכנים, ומעניק לצוותים נראות לגבי יכולות הסוכן והסיכון הנלווה.

אבטח את הפלט

קוד שנוצר על ידי AI מציג סוגים חדשים של סיכונים, כולל פגמי הרשאה, תלויות לא בטוחות ושגיאות לוגיקה עסקית שניתוח סטטי מסורתי מפספס לעיתים קרובות. Snyk Studio מאבטח קוד שנוצר על ידי AI בזמן היצירה על ידי הטמעת הקשר אבטחה ישירות בתהליכי העבודה של פיתוח הסוכנים. המערכת פרוסה בקרב למעלה מ-300 לקוחות ארגוניים ומשתלבת באופן טבעי עם תהליכי עבודה הכוללים את Claude Code, Cursor ו-Devin.

אבטח את ההתנהגות

סוכנים לא רק יוצרים קוד; הם מבצעים פקודות, ניגשים למערכות ומפעילים תהליכי עבודה. Agent Guard (Private Preview) אוכף מדיניות בזמן אמת, מנטר את התנהגות הסוכן וחוסם פעולות לא בטוחות או לא מורשות בזמן שהן מתרחשות. הוא לא רק חוסם פעולות לא בטוחות, אלא גם מכוון את הסוכנים לפעולות הנכונות.

אבטחת יישומים סוכנים

אותם צוותים שבונים בעזרת סוכנים פורסים אותם בתוך יישומים, copilots ותהליכי עבודה אוטומטיים. במקרים רבים, זה קורה ללא מלאי, ללא אכיפת מדיניות וללא תיעוד ביקורת.

אמת התנהגות בעולם האמיתי

Agent Red Teaming (Open Preview) מדמה תרחישי תקיפה מרובי-שלבים, כולל הזרקת פרומפטים, דליפת נתונים ופעולות סוכן משורשרות, כדי לחשוף נקודות תורפה לפני שהן מגיעות לייצור.

יישומים מאובטחים הפועלים בייצור

Snyk API & Web מבצע בדיקות דינמיות בזמן ריצה על יישומים כדי לזהות סיכוני זמן ריצה כגון פגמי הרשאה (למשל, BOLA) ולוגיקה עסקית לא מאובטחת בתנאי אמת.

מודל האבטחה החדש

המודל שאנו רואים שעובד בארגונים הוא פשוט: נראות ← אינטליגנציה ← אכיפה

• נראות: הבן אילו רכיבי AI קיימים בקוד ובתהליכי העבודה.

• אינטליגנציה: זהה אילו רכיבים מציגים סיכון אמיתי.

• אכיפה: ודא ש-AI לא בטוח לעולם לא יגיע לייצור.

נראות לבדה אינה מספיקה. ידיעה על מה שקיים לא מונעת דבר. המודל היחיד שעובד הוא כזה שמחבר את שלושת השלבים ופועל במקום שבו ה-AI נכנס למערכת: בקוד.

Evo ⁦AI-SPM⁩ - כעת זמין באופן כללי

אבטחת סוכני AI מתחילה בהבנה היכן הם קיימים וכיצד משתמשים בהם. ללא הבסיס הזה, אי אפשר להגדיר מדיניות, להעריך סיכונים או לאכוף התנהגות בטוחה. Agent Security בנוי על גבי Evo AI-SPM (AI Security Posture Management), הזמין כעת באופן כללי.

על פני למעלה מ-500 סריקות של Evo, כולל בארגונים עם מעל 100,000 מאגרים, אנו רואים בעקביות את אותו דפוס: לצוותים עם אבטחת ענן חזקה עדיין אין נראות למה שקורה בקוד.

נתונים אלו נאספו ונכללו בדו"ח State of Agentic AI Adoption לשנת 2026 של Snyk. ארגונים רבים שחשבו שה-AI שלהם בשליטה הופתעו לגלות שלא כך הדבר, שכן פריסת מודל AI יחיד יכולה להכניס כמעט פי שלושה יותר רכיבי תוכנה ללא מעקב, וליצור סיכון נסתר ברחבי הארגון.

גילוי מתמשך על פני קוד וזרימות עבודה

Evo AI-SPM מבסס את הבסיס הזה על ידי גילוי מתמשך של רכיבי AI ישירות בקוד ובתהליכי הפיתוח, כולל מודלים, מערכי נתונים, מסגרות עבודה של סוכנים וספריות תומכות. כל נכס מועשר גם במודיעין סיכונים לקבלת הקשר, מה שמאפשר לצוותים להבין לא רק במה הם משתמשים, אלא גם את השלכות האבטחה, הבטיחות והתאימות הפוטנציאליות. זה יוצר מלאי חי של נכסי AI המשקף את האופן שבו מערכות בנויות, לא רק את אופן פריסתן.

אינטליגנציה של סיכון עם הקשר

Evo AI-SPM מאפשר לארגונים לאכוף ממשל. יותר ויותר, ארגונים לא רק נשאלים אם קיימת מדיניות AI; הם מתבקשים להוכיח שהיא נאכפת. צוותי אבטחה יכולים להגדיר מדיניות בשפה פשוטה וליישם אותה באופן עקבי בכל תהליכי הפיתוח, ובכך למנוע תצורות והתנהגויות לא בטוחות לפני שהם מגיעים לייצור.

שילוב של מודיעין סיכונים עם הקשר לגבי המודל ומקרי הבוחן של האפליקציה במורד הזרם, מעצים מהנדסי אבטחה לבנות מדיניות מותאמת אישית ורלוונטית לעסק. בכך, AI-SPM הופך למערכת הרישום של סיכוני AI, ומספק את הבסיס הדרוש להרחבת השימוש בסוכנים בצורה בטוחה.

אכיפת ממשל לפני הייצור

פתרונות אבטחה רבים של זמן ריצה וענן מנטרים רק AI בתשתית ובסביבות זמן ריצה. למרות שזה יכול לזהות התנהגות שגויה לאחר הפריסה, הוא מפספס סיכונים שהוכנסו מוקדם יותר בשלב הפיתוח — בקוד, בצינורות CI/CD ובספריות פנימיות. בזמן שכלי זמן ריצה מזהים בעיות, חלון הממשל נסגר, מה שמותיר לצוותים להתמודד עם סיכונים כמו מודלים לא בטוחים, מערכי נתונים לא מפוקחים או התנהגות סוכנים מסוכנת שכבר מוטמעת עמוק במערכות הייצור.

התחל לאבטח את הסוכנים שלך עוד היום

אתה יכול לחקור את Evo AI-SPM היום כדי לקבל תצוגה מלאה של טביעת הרגל של ה-AI שלך ולהתחיל לאכוף ממשל היכן שזה הכי חשוב. עבור צוותים המעוניינים להתקדם, Snyk עובדת באופן פעיל עם שותפי עיצוב כדי לעצב את הדור הבא של יכולות Agent Security בבדיקות ואכיפת זמן ריצה.

אם אתה עדיין מגלה כיצד נעשה שימוש ב-AI ברחבי הארגון שלך, הצטרף לסמינר המקוון שלנו כדי לראות כיצד צוותים חושפים ומנהלים Shadow AI בפועל.

סוכני ה-AI שלך כבר בונים את העסק שלך. השאלה היא אם אתה שולט במה שהם בונים לפני שזה מופץ. תאם הדגמה כדי לראות את Evo AI-SPM בפעולה.

התחל עם ⁦Discovery⁩. התחל עם ⁦Evo⁩ ⁦AI-SPM⁩.

חשוף כל רכיב ⁦AI⁩ מוסתר בבסיס הקוד שלך והחל ממשל כלל הארגון.

קרא עוד

PHP2Shell לא יהיה האחרון. הנה איפה תופיע הפירצה הבאה.

⁦PHP2Shell⁩ הראה באיזו מהירות פגם ברמת המנוע יכול לסכן אפליקציות הפונות לאינטרנט. למד מדוע מלאי חיצוני, בדיקות מהירות ובדיקות חוזרות חשובות לפני החשיפה הבאה.

Snyk UNFILTERED: מבט מבפנים על כנס הלקוחות הראשון שלנו

בכנס הלקוחות הראשון של Snyk, מנהיגי אבטחה שיתפו נקודות מבט גלויות לגבי סיכוני AI, תיקון פגיעות וניהול סוכנים אוטונומיים. חמישה נושאים חושפים כיצד צוותים מתאימים את האבטחה לקצב של ה-AI.

PHP מתקנת שתי פגיעויות RCE קריטיות ללא צורך באימות (CVE-2026-109618, CVE-2026-109619): [עודכן עבור CVE-2026-115560]

שני פגמים קריטיים במחזור החיים של הבקשות של ⁦PHP⁩ יכולים לאפשר ביצוע קוד מרחוק לא מאומת. שדרג למהדורה קבועה או התקן פורט אחורי של ספק עבור גרסאות ישנות יותר.

#ai-agents#snyk#governance
קרא במקור